主权项 |
一种基于长短曝光图像对的图像复原方法,其特征在于,包括如下步骤:(1)输入同一场景的一幅短曝光的噪声图N和一幅长曝光的模糊图B,对噪声图N进行预处理,得到预处理噪声图N<sub>p</sub>,所述预处理包括亮度均衡、伽马矫正;(2)利用步骤(1)得到的预处理噪声图N<sub>p</sub>和模糊图B,建立最优化问题能量方程:<img file="FDA0000757427450000011.GIF" wi="1386" he="119" />其中,K`为待估计的模糊核;θ为梯度操作算子集,包括x方向梯度算子<img file="FDA0000757427450000012.GIF" wi="74" he="70" />和y方向梯度算子<img file="FDA0000757427450000013.GIF" wi="86" he="77" />λ为权重因子;<img file="FDA0000757427450000014.GIF" wi="56" he="58" />为卷积运算。采用共轭梯度算法,估计出模糊图B的模糊核K。(3)改进标准的RL图像复原算法,构建局部约束掩膜矩阵,利用步骤(2)得到的模糊核K和模糊图B,迭代得到初步的复原结果L。(4)由模糊图B、步骤(2)得到的模糊核K和步骤(3)得到的初步复原结果L,计算得到余量图ΔB:<img file="FDA0000757427450000015.GIF" wi="1040" he="59" />(5)利用步骤(4)得到的余量图和步骤(2)估计得到的模糊核,采用增益控制的余量去卷积算法得到余量图的复原结果ΔL,其包含图像的细节信息。增益控制的余量去卷积计算过程如下所示:<img file="FDA0000757427450000016.GIF" wi="1382" he="140" />其中:n表示迭代次数;ΔL<sub>n</sub>表示第n次迭代的余量图复原结果;ΔB表示步骤(4)所得的余量图;K表示步骤(2)估计得到的模糊图像模糊核;L<sub>gain</sub>为增益控制权重图;<img file="FDA0000757427450000017.GIF" wi="57" he="58" />为卷积运算;K<sup>*</sup>为K的伴随矩阵,即K<sup>*</sup>(i,j)=K(‑j,‑i),i,j表示以模糊核中心为原点,各像素的坐标值。(6)最终的复原结果I由步骤(3)得到的初步复原结果和步骤(5) 得到的余量图复原结果相加计算得到,即:I=L+ΔL (4) 。 |